LF-YOLO: A Lighter and Faster YOLO for Weld Defect Detection of X-Ray Image

特征(语言学) 编码(集合论) 计算机科学 卷积(计算机科学) 人工智能 特征提取 模式识别(心理学) 图像(数学) 焊接 卷积神经网络 人工神经网络 计算机视觉 工程类 机械工程 哲学 集合(抽象数据类型) 程序设计语言 语言学
作者
Moyun Liu,Youping Chen,Jingming Xie,Lei He,Yang Zhang
出处
期刊:IEEE Sensors Journal [Institute of Electrical and Electronics Engineers]
卷期号:23 (7): 7430-7439 被引量:38
标识
DOI:10.1109/jsen.2023.3247006
摘要

X-ray image plays an important role in manufacturing industry for quality assurance, because it can reflect the internal condition of weld region. However, the shape and scale of different defect types vary greatly, which makes it challenging for model to detect weld defects. In this article, we propose a weld defect detection method based on convolution neural network (CNN), namely, lighter and faster YOLO (LF-YOLO). In particular, a reinforced multiscale feature (RMF) module is designed to implement both parameter-based and parameter-free multiscale information extracting operations. RMF enables the extracted feature map to represent more plentiful information, which is achieved by a superior hierarchical fusion structure. To improve the performance of detection network, we propose an efficient feature extraction (EFE) module. EFE processes input data with extremely low consumption and improves the practicability of whole network in actual industry. Experimental results show that our weld defect detection network achieves satisfactory balance between performance and consumption and reaches 92.9 mean average precision (mAP50) with 61.5 frames/s. To further prove the ability of our method, we test it on the public dataset MS COCO, and the results show that our LF-YOLO has an outstanding versatility detection performance. The code is available at https://github.com/lmomoy/LF-YOLO .
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
团子完成签到,获得积分10
刚刚
南风草木香完成签到,获得积分20
2秒前
wjq95714完成签到,获得积分10
3秒前
英姑应助知性的雅彤采纳,获得10
3秒前
邱清发布了新的文献求助10
5秒前
5秒前
Kristine完成签到 ,获得积分10
6秒前
8秒前
Syanyi完成签到,获得积分10
10秒前
傻傻的慕灵完成签到,获得积分10
10秒前
依古比古完成签到,获得积分10
11秒前
11秒前
槐夏廿九完成签到,获得积分10
13秒前
SciGPT应助Jole采纳,获得10
15秒前
16秒前
大模型应助小高同学采纳,获得10
16秒前
16秒前
奶昔源完成签到,获得积分10
17秒前
星辰大海应助黄灿采纳,获得10
19秒前
20秒前
天天快乐应助zjkzh采纳,获得10
21秒前
ynlqjqx发布了新的文献求助10
21秒前
7777777发布了新的文献求助10
21秒前
科研通AI2S应助半山采纳,获得10
21秒前
22秒前
22秒前
23秒前
Clover发布了新的文献求助10
25秒前
雪酪芋泥球完成签到 ,获得积分10
26秒前
Jasper应助ynlqjqx采纳,获得10
27秒前
香蕉觅云应助QY采纳,获得10
28秒前
28秒前
29秒前
30秒前
雪酪芋泥球关注了科研通微信公众号
31秒前
hjkl发布了新的文献求助10
31秒前
Jole发布了新的文献求助10
31秒前
Minzz完成签到,获得积分10
33秒前
zjkzh发布了新的文献求助10
34秒前
JamesPei应助7777777采纳,获得10
35秒前
高分求助中
Spray / Wall-interaction Modelling by Dimensionless Data Analysis 2000
Evolution 3rd edition 1500
保险藏宝图 1000
Lire en communiste 1000
Mantiden: Faszinierende Lauerjäger Faszinierende Lauerjäger 700
PraxisRatgeber: Mantiden: Faszinierende Lauerjäger 700
Mathematics and Finite Element Discretizations of Incompressible Navier—Stokes Flows 500
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3186154
求助须知:如何正确求助?哪些是违规求助? 2836472
关于积分的说明 8009243
捐赠科研通 2498816
什么是DOI,文献DOI怎么找? 1333929
科研通“疑难数据库(出版商)”最低求助积分说明 636959
邀请新用户注册赠送积分活动 604839